Whalesbook
ਕਿਵੇਂ ਵੱਧ ਰਹੀ ਹੈ ਬੈਂਕਿੰਗ ਧੋਖਾਧੜੀ?
ਭਾਰਤ ਦਾ ਵਿੱਤੀ ਖੇਤਰ ਬੈਂਕਿੰਗ ਧੋਖਾਧੜੀ ਦੇ ਤੇਜ਼ੀ ਨਾਲ ਵੱਧ ਰਹੇ ਰੁਝਾਨ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਿਹਾ ਹੈ। ਵਿੱਤੀ ਸਾਲ 2024-25 ਦੌਰਾਨ, ਧੋਖਾਧੜੀ ਕਾਰਨ ਹੋਏ ਨੁਕਸਾਨ ਨੇ ਪਿਛਲੇ ਸਾਲ ਦੇ ₹11,261 ਕਰੋੜ ਦੇ ਮੁਕਾਬਲੇ ₹34,771 ਕਰੋੜ ਦਾ ਅੰਕੜਾ ਛੂਹ ਲਿਆ ਹੈ। RBI ਦੀ ਰਿਪੋਰਟ ਮੁਤਾਬਕ, ਇਹ ਲਗਾਤਾਰ ਵਾਧਾ ਨਾ ਸਿਰਫ਼ ਵੱਡਾ ਵਿੱਤੀ ਨੁਕਸਾਨ ਪਹੁੰਚਾ ਰਿਹਾ ਹੈ, ਸਗੋਂ ਗਾਹਕਾਂ ਦੇ ਵਿਸ਼ਵਾਸ ਨੂੰ ਵੀ ਡਗਮਗਾ ਰਿਹਾ ਹੈ। ਇਸ ਨਾਲ ਵਿੱਤੀ ਸਮਾਵੇਸ਼ (financial inclusion) ਅਤੇ ਸੈਕਟਰ ਦੇ ਵਿਕਾਸ 'ਤੇ ਵੀ ਅਸਰ ਪੈ ਸਕਦਾ ਹੈ। ਇਸ ਸਥਿਤੀ ਨੂੰ ਦੇਖਦੇ ਹੋਏ, RBI ਨਵੇਂ ਨੀਤੀਗਤ ਫੈਸਲੇ ਲੈਣ 'ਤੇ ਵਿਚਾਰ ਕਰ ਰਿਹਾ ਹੈ।
RBI ਦੇ ਨਵੇਂ ਪ੍ਰਸਤਾਵ ਕੀ ਹਨ?
RBI ਵੱਲੋਂ ਪ੍ਰਸਤਾਵਿਤ ਨਵੇਂ ਫਰੇਮਵਰਕ ਤਹਿਤ, ਪੁਸ਼ ਪੇਮੈਂਟ ਫਰਾਡ (push payment frauds) ਦੇ ਪੀੜਤਾਂ ਨੂੰ ਮੁਆਵਜ਼ਾ ਦੇਣ ਦੀ ਵਿਵਸਥਾ ਹੋ ਸਕਦੀ ਹੈ। ਇਸ ਵਿੱਚ ਇੱਕ ਵਾਰ ₹25,000 ਤੱਕ ਦਾ ਭੁਗਤਾਨ ਜਾਂ ਟ੍ਰਾਂਸੈਕਸ਼ਨ ਦਾ 80% ਹਿੱਸਾ, ਜਿਸਦੀ ਵੱਧ ਤੋਂ ਵੱਧ ਸੀਮਾ ₹50,000 ਹੋਵੇਗੀ, ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਰੋਕਥਾਮ ਦੇ ਤੌਰ 'ਤੇ, ₹10,000 ਤੋਂ ਵੱਧ ਦੀਆਂ ਟ੍ਰਾਂਸੈਕਸ਼ਨਾਂ ਲਈ ਇੱਕ ਘੰਟੇ ਦੀ ਲਾਜ਼ਮੀ ਦੇਰੀ ਅਤੇ ₹50,000 ਤੋਂ ਵੱਧ ਦੇ ਲੈਣ-ਦੇਣ ਲਈ ਸੀਨੀਅਰ ਨਾਗਰਿਕਾਂ ਜਾਂ ਦਿਵਯਾਂਗ ਵਿਅਕਤੀਆਂ ਲਈ ਵਧੇਰੇ ਸਖ਼ਤ ਵੈਰੀਫਿਕੇਸ਼ਨ (Verification) ਪ੍ਰਕਿਰਿਆ ਲਾਗੂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਇਨ੍ਹਾਂ ਉਪਾਵਾਂ ਦਾ ਉਦੇਸ਼ ਲੋਕਾਂ ਨੂੰ ਸੋਚਣ ਦਾ ਮੌਕਾ ਦੇਣਾ ਹੈ।
ਸਥਿਰ ਨਿਯਮ ਬਨਾਮ ਚਲਾਕ ਧੋਖੇਬਾਜ਼
ਮਾਹਿਰਾਂ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ RBI ਦੇ ਇਹ ਨਿਯਮ ਗਾਹਕਾਂ ਦੇ ਸਥਿਰ ਵੇਰਵਿਆਂ (fixed customer details) 'ਤੇ ਆਧਾਰਿਤ ਹਨ। ਪਰ ਧੋਖੇਬਾਜ਼ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਬਦਲਦੇ ਹਨ; ਜੇ ਇੱਕ ਤਰੀਕਾ ਬੰਦ ਹੋ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਉਹ ਸਿਸਟਮ ਨੂੰ ਧੋਖਾ ਦੇਣ ਲਈ ਨਵੇਂ ਤਰੀਕੇ ਲੱਭ ਲੈਂਦੇ ਹਨ। ਇਸ ਲਈ, ਇਹੋ ਜਿਹੇ ਸਥਿਰ ਨਿਯਮਾਂ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਬਾਈਪਾਸ (bypass) ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇਸਦੇ ਉਲਟ, AI (Artificial Intelligence) ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ (ML) ਜਿਹੇ ਟੂਲਜ਼ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਗਾਹਕਾਂ ਦੇ ਵਿਵਹਾਰ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਕੇ ਜੋਖਮ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਵਿੱਚ ਵਧੇਰੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਸਾਬਤ ਹੋ ਰਹੇ ਹਨ। ਇਹ ਪੈਟਰਨਾਂ ਨੂੰ ਸਮਝ ਕੇ ਅਸਾਧਾਰਨ ਗਤੀਵਿਧੀਆਂ ਨੂੰ ਸਥਿਰ ਜਾਂਚਾਂ ਨਾਲੋਂ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਫੜ ਸਕਦੇ ਹਨ।
AI: ਡਿਜੀਟਲ ਸੁਰੱਖਿਆ ਦਾ ਭਵਿੱਖ
ਜਿਵੇਂ-ਜਿਵੇਂ ਭਾਰਤ ਦਾ ਬੈਂਕਿੰਗ ਸੈਕਟਰ ਡਿਜੀਟਲ ਹੁੰਦਾ ਜਾ ਰਿਹਾ ਹੈ, ਉਸੇ ਤਰ੍ਹਾਂ ਸਾਈਬਰ ਅਪਰਾਧੀਆਂ ਲਈ ਵੀ ਨਵੇਂ ਰਸਤੇ ਖੁੱਲ੍ਹ ਗਏ ਹਨ। ਪੁਰਾਣੇ ਰੂਲ-ਬੇਸਡ ਸਿਸਟਮ ਹੁਣ ਇਨ੍ਹਾਂ ਵਿਕਸਿਤ ਹੋ ਰਹੇ ਖਤਰਿਆਂ ਦਾ ਮੁਕਾਬਲਾ ਕਰਨ ਲਈ ਕਾਫ਼ੀ ਨਹੀਂ ਰਹੇ। ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ ਭਾਰਤੀ ਬੈਂਕ ਵਿੱਤੀ ਅਪਰਾਧਾਂ ਨਾਲ ਲੜਨ ਲਈ AI/ML ਟੂਲਜ਼ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਅਪਣਾ ਰਹੇ ਹਨ। ਸਟੇਟ ਬੈਂਕ ਆਫ਼ ਇੰਡੀਆ (SBI) ਅਤੇ HDFC ਬੈਂਕ ਵਰਗੇ ਪ੍ਰਮੁੱਖ ਬੈਂਕਾਂ ਨੇ ਪਹਿਲਾਂ ਹੀ AI ਸੋਲਿਊਸ਼ਨ ਲਾਗੂ ਕੀਤੇ ਹਨ, ਜਿਨ੍ਹਾਂ ਨੇ ਧੋਖਾਧੜੀ ਅਤੇ ਗਲਤ ਅਲਰਟਾਂ ਨੂੰ ਘੱਟ ਕੀਤਾ ਹੈ। ਦੁਨੀਆ ਭਰ ਦੇ ਕੇਂਦਰੀ ਬੈਂਕ ਅਤੇ ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ ਵੀ ਧੋਖਾਧੜੀ ਅਤੇ ਮਨੀ ਲਾਂਡਰਿੰਗ ਨਾਲ ਲੜਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੀਆਂ ਹਨ। ਮਾਹਿਰਾਂ ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ ਅਸਲ ਸੁਰੱਖਿਆ ਲਈ ਲਗਾਤਾਰ ਅਪਡੇਟ, ਸਿਸਟਮ-ਵਾਈਡ (system-wide) ਡਿਫੈਂਸ ਅਤੇ ਮਜ਼ਬੂਤ ਇਨਫਰਮੇਸ਼ਨ ਸ਼ੇਅਰਿੰਗ (information sharing) ਦੀ ਲੋੜ ਹੈ।
AI ਅਪਣਾਉਣ ਵਿੱਚ ਚੁਣੌਤੀਆਂ
ਹਾਲਾਂਕਿ RBI ਗਾਹਕਾਂ ਦੀ ਸੁਰੱਖਿਆ ਲਈ ਵਚਨਬੱਧ ਹੈ, ਪਰ ਪ੍ਰਸਤਾਵਿਤ ਸਥਿਰ ਸੁਰੱਖਿਆ ਉਪਾਵਾਂ ਨੂੰ ਕਈ ਚੁਣੌਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਸਕਦਾ ਹੈ। ਸਭ ਤੋਂ ਵੱਡਾ ਖ਼ਤਰਾ ਇਹ ਹੈ ਕਿ ਧੋਖੇਬਾਜ਼ ਇਹਨਾਂ ਨਿਯਮਾਂ ਨੂੰ ਤੋੜਨ ਦੇ ਨਵੇਂ ਤਰੀਕੇ ਲੱਭ ਲੈਣਗੇ, ਖਾਸ ਕਰਕੇ ਨੌਜਵਾਨਾਂ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾ ਕੇ ਜਾਂ ਨਵੇਂ ਸਕੈਮਿੰਗ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ। ਇਸ ਤੋਂ ਇਲਾਵਾ, AI/ML ਨੂੰ ਲਾਗੂ ਕਰਨ ਵਿੱਚ ਵੀ ਆਪਣੀਆਂ ਮੁਸ਼ਕਿਲਾਂ ਹਨ। ਉੱਚ ਮੁੱਢਲੀ ਲਾਗਤ, ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਸਟਾਫ ਦੀ ਘਾਟ, ਅਤੇ ਡਾਟਾ ਪ੍ਰਾਈਵੇਸੀ (data privacy) ਬਾਰੇ ਚਿੰਤਾਵਾਂ ਭਾਰਤ ਦੇ ਵਿਭਿੰਨ ਵਿੱਤੀ ਖੇਤਰ ਵਿੱਚ ਇਸਨੂੰ ਅਪਣਾਉਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਹੌਲੀ ਕਰ ਸਕਦੀਆਂ ਹਨ। ਵੱਖ-ਵੱਖ ਬੈਂਕਾਂ, ਟੈਲੀਕਾਮ ਕੰਪਨੀਆਂ ਅਤੇ ਪੁਲਿਸ ਵਿਚਕਾਰ ਤਾਲਮੇਲ ਦੀ ਘਾਟ ਵੀ ਧੋਖਾਧੜੀ ਵਾਲੇ ਖਾਤਿਆਂ ਨੂੰ ਰੋਕਣ ਅਤੇ ਪੈਸਾ ਵਾਪਸ ਹਾਸਲ ਕਰਨ ਵਿੱਚ ਲਗਾਤਾਰ ਸਮੱਸਿਆਵਾਂ ਪੈਦਾ ਕਰ ਰਹੀ ਹੈ।
ਅੱਗੇ ਦਾ ਰਾਹ: ਚੁਸਤ ਰੱਖਿਆ
ਭਵਿੱਖ ਵਿੱਚ ਭਾਰਤ ਡਿਜੀਟਲ ਭੁਗਤਾਨ ਧੋਖਾਧੜੀ ਨਾਲ ਕਿਵੇਂ ਨਜਿੱਠਦਾ ਹੈ, ਇਹ ਸਥਿਰ, ਪ੍ਰਤੀਕਿਰਿਆਤਮਕ (reactive) ਉਪਾਵਾਂ ਤੋਂ ਅੱਗੇ ਵਧਣ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗਾ। ਬੈਂਕਿੰਗ ਵਿੱਚ AI/ML ਦੀ ਵਧਦੀ ਵਰਤੋਂ ਇੱਕ ਸਕਾਰਾਤਮਕ ਸੰਕੇਤ ਹੈ, ਜੋ ਨਿਰੰਤਰ ਅਪਡੇਟ ਅਤੇ ਉੱਨਤ ਖਤਰੇ ਦਾ ਪਤਾ ਲਗਾਉਣ ਦੀ ਲੋੜ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ। ਹਾਲਾਂਕਿ, RBI ਦੀਆਂ ਨਵੀਆਂ ਨੀਤੀਆਂ ਦੀ ਸਫਲਤਾ ਉਹਨਾਂ ਦੀ ਲਚਕਤਾ, ਉੱਨਤ ਤਕਨਾਲੋਜੀ ਨਾਲ ਏਕੀਕਰਨ (integration) ਅਤੇ ਸੱਚੀ ਸਿਸਟਮ-ਵਾਈਡ ਸੁਰੱਖਿਆ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗੀ। ਸੈਕਟਰ ਨੂੰ ਤੁਰੰਤ ਉਪਭੋਗਤਾ ਸੁਰੱਖਿਆ ਨੂੰ ਲੰਬੇ ਸਮੇਂ ਦੀ ਲੋੜ, ਬਦਲਦੇ ਖਤਰਿਆਂ ਦੇ ਅਨੁਕੂਲ ਹੋਣ ਵਾਲੇ ਰੱਖਿਆ ਉਪਾਵਾਂ ਨਾਲ ਸੰਤੁਲਿਤ ਕਰਨਾ ਹੋਵੇਗਾ।